ІНФОРМАЦІЙНА РОЙОВА ТЕХНОЛОГІЯ ТЕМАТИЧНОГО СЕГМЕНТУВАННЯ ЗОБРАЖЕНЬ, ЩО ОТРИМАНІ З БОРТОВИХ СИСТЕМ ОПТИКО-ЕЛЕКТРОННОГО СПОСТЕРЕЖЕННЯ
Ключові слова:
бортова систем спостереження, оптико-електронне зображення, тематичне сегментування, інформаційна технологія, ройові методи, штучна бджолина колонія, цільова функція, поріг сегментування, оптимізація, багатомасштабна послідовність
Анотація
Предметом вивчення в статті є інформаційні ройова технологія тематичного сегментування зображень, що отримані з бортових систем оптико-електронного спостереження. Метою є розробка інформаційної технології сегментування, в основу якої покладений ройовий метод тематичного сегментування оптико-електронного зображення. Завдання: аналіз рівнів технології дешифрування оптико-електронного зображення, аналіз основних етапів обробки оптико-електронного зображення та рівнів локалізації об’єктів інтересу на етапі розпізнавання, аналіз основних вимог до тематичних сегментів зображення, аналіз відомих методів та інформаційних технологій сегментування зображень, що отримані з бортових систем спостереження, обґрунтування цільової функції тематичного сегментування та вибору оптимального значення порогу сегментування, розробка інформаційної ройової технології тематичного сегментування зображень, що отримані з бортової системи оптико-електронного спостереження, наведення тестового прикладу тематичного сегментування кольорового зображення. Використовуваними методами є: методи теорії імовірності, математичної статистики, ройового інтелекту, кластерізації даних, еволюційних обчислень, методи оптимізації, математичного моделювання та цифрової обробки зображень. Отримані такі результати. Встановлено, що основним етапом обробки зображень, що отримані з бортових систем спостереження, є етап тематичного сегментування. Встановлено, що у теперішній час невелика кількість досліджень присвячена вирішенню задачі тематичного сегментування зображень, що отримані з бортових систем спостереження. Встановлено, що у якості цільової функції використовується функція, яка визначається як сума дисперсії інтенсивності пікселів в межах кожного тематичного сегменту, а оптимізація полягає у мінімізації цільової функції. В основу інформаційної ройової технології покладені удосконалені методи ройового інтелекту (штучної бджолиної колонії) тематичного сегментування оптико-електронного зображення та ройового інтелекту (штучної бджолиної колонії) тематичного сегментування багатомасштабної послідовності оптико-електронних зображень. Висновки. Наукова новизна отриманих результатів полягає в наступному: підвищення візуальної якості сегментованого зображення, що в подальшому суттєво впливає на вирішення завдання дешифрування зображення.Завантаження
Дані про завантаження поки що недоступні.
Посилання
1. Лаврінчук О.В. Аналіз технології дешифрування космічних знімків / О.В. Лаврінчук, С.В. Гринюк, М.Ю. Ракушев // Сучасні інформаційні технології у сфері безпеки та оборони, 2017. – № 3 (30). – С. 45–49.
2. Попов М.О. Шляхи отримання космічної інформації в інтересах національної безпеки та оборони / М.О. Попов //. Наука і оборона, 2003. – № 2. С. 38–50.
3. Ковбасюк С.В. Методичні підходи до процесу дешифрування даних дистанційного зондування Землі середньої розрізненості в інтересах національної безпеки й оборони / С.В. Ковбасюк, Д.Л. Федорчук, Г.Д. Носова // Збірник наукових праць ЖВІ ДУТ, 2015. – Вип. 10. – С. 87–94.
4. Олізаренко С.А. Розробка архітектури нечіткої згорточної нейронної мережі для розпізнавання компактних (точкових) об’єктів на цифровому аерофотознімку / С.А. Олізаренко, В.А. Капранов, Р.В. Сафронов // Системи озброєння та військова техніка, 2016. – Вип. 4 (48). – С. 38–41.
5. Тимочко А.И. Метод дешифрирования аэроснимков на основе признакового пространства / А.И. Тимочко, С.А. Олизаренко, О.Ю. Лавров // Системи обробки інформації, 2015. – Вип. 1 (126). – С. 84–87.
6. Самойленко О.В. Перспективи розвитку наземних комплексів приймання та цифрової обробки матеріалів повітряної розвідки Збройних Сил України / О.В Самойленко, С.О. Пономаренко, М.О. Ладик // Збірник наукових праць Державного науково-дослідного інституту авіації, 2016. – Вип. № 12 (19). – С. 115–120.
7. Попов М.О. Видова космічна розвідка в локальних військових конфліктах / М.О. Попов, М.В. Топольницький, В.О. Подліпаєв // Наука і оборона, 2015. – № 1. – С. 25–35.
8. Шитова О.В. Комплексное дешифрирование изображений аэрофоторазведки цифровыми методами / О.В. Шитова // Наука і техніка Повітряних Сил Збройних Сил України, 2014. – №. 1. – С. 78–82.
9. Гонсалес Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. Москва: Техносфера, 2005. – 1072 с.
10. Красильников Н.Н. Цифровая обработка 2D- и 3D-изображений: Учебное пособие / Н.Н. Красильников // Санкт-Петербург: БХВ – Петербург, 2011. – 608 с.
11. Колючкин В.Я. Алгоритмы обработки изображения в системах машинного зрения роботизированных производственных линий / В.Я. Колючкин, К.М. Нгуен, Т.Х. Чан // Нейрокомпьютеры: разработка, применение, 2014. – № 3. – С. 44–51.
12. Wang Y.S. A New Image Threshold Segmentation based on Fuzzy Entropy and Improved Intelligent Optimization Algorithm / Y.S. Wang // Journal of Multimedia, 2014. – Vol. 9. – № 4. – P. 499–505.
13. Faroogue M.Y. Latest trends on image segmentation schemes / M.Y.Faroogue, M.S.Raeen // International journal of advanced research in computer science and software engineering, 2014. – Vol. 4. – № 10. – P. 792–795.
14. Choudhary R. Recent trends and techniques in image enhancement using differential evolution – a survey / R.Choudhary., R.Gupta // International journal of advanced research in computer science and software engineering, 2017. – Vol. 7. – № 4. – P. 106–112.
15. Sarmah S. A grid-density based technique for finding clusters in satellite image / S.Sarmah, D.K.Bhattacharyya // Pattern Recognition Letters, 2012. – Vol. 33. – No. 5. – P. 589–604.
16. Hu X. Automatic segmentation of high-resolution satellite imagery by integrating texture, intensity, and color features / X.Hu, C.V.Tao, B.Prenzel // Photogrammetric Engineering & Remote Sensing, 2005. – Vol. 71. – No. 12. – P. 1399–1406.
17. Wang A. Segmentation of multispectral high-resolution satellite imagery based on integrated feature distributions / A.Wang, S.Wang, A.Lucieer // International Journal of Remote Sensing, 2010. – Vol. 31. – No. 6. – P. 1471–1483.
18. Wuest B. Region Based Segmentation of Quickbird Imagery Through Fuzzy Integration / B.Wuest, Y.Zhang // Proc. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences (IAPRS), 2008. – Vol. 37, part B7. – P. 491–496.
19. Hu Z. A spatially-constrained color–texture model for hierarchical VHR image segmentation / Z.Hu, Z.Wu, Q.Zhang, Q.Fan, J.Xu // Geoscience and Remote Sensing Letters, IEEE, 2013. – Vol. 10. – No. 1. – P. 120–124.
20. Yuan J. Remote sensing image segmentation by combining spectral and texture features / J.Yuan, D.L.Wang, R.Li // IEEE Transactions on Geoscience and Remote Sensing, 2014. – Vol. 52. – No. 1. – P. 16–24.
21. Senturk, S. Unsupervised classification of vineyard parcels using SPOT5 images by utilizing spectral and textural features / S.Senturk, K.Taşdemir, S.Kaya, E.Sertel // Proc. 2nd International Conference on Agro-Geoinformatics. – IEEE, 2013. – P. 61–65.
22. Рубан І.В. Інформаційна технологія сегментування зображень, отриманих з бортових систем оптико-електронного спостереження / І.В. Рубан., В.Г. Худов, В.О. Подліпаєв // Системи озброєння та військова техніка, 2017. – № 2 (50). – С. 110–113.
23. Хижняк І.А. Сегментування зображення, що отримано з бортової системи оптико-електронного спостереження, ройовим методом / І.А. Хижняк // Системи озброєння та військова техніка, 2017. – № 2 (50). – С. 140–143.
24. Аналіз відомих методів сегментування зображень, що отримані з бортових систем оптико-електронного спостереження / В.Г. Худов, Г.А. Кучук, О.М. Маковейчук, А.В. Крижний // Системи обробки інформації. – 2016. – Вип. 9. – С. 77-80.
25. Метод ройового інтелекту (штучної бджолиної колонії (АВС)) тематичного сегментування оптико-електронного зображення / І.А. Хижняк, О.М. Маковейчук, Р.Г. Худов, В.О. Подліпаєв, Г.В. Горбань, Г.В. Худов // Системи управління, навігації та зв’язку, 2018. – Вип. 2 (48). – С. 91–96.
26. IKONOS Satellite Image Gallery (Archived) [Електронний ресурс]. – Режим доступу до зображень сайту: http://www.satimagingcorp.com/gallery/ikonos.
2. Попов М.О. Шляхи отримання космічної інформації в інтересах національної безпеки та оборони / М.О. Попов //. Наука і оборона, 2003. – № 2. С. 38–50.
3. Ковбасюк С.В. Методичні підходи до процесу дешифрування даних дистанційного зондування Землі середньої розрізненості в інтересах національної безпеки й оборони / С.В. Ковбасюк, Д.Л. Федорчук, Г.Д. Носова // Збірник наукових праць ЖВІ ДУТ, 2015. – Вип. 10. – С. 87–94.
4. Олізаренко С.А. Розробка архітектури нечіткої згорточної нейронної мережі для розпізнавання компактних (точкових) об’єктів на цифровому аерофотознімку / С.А. Олізаренко, В.А. Капранов, Р.В. Сафронов // Системи озброєння та військова техніка, 2016. – Вип. 4 (48). – С. 38–41.
5. Тимочко А.И. Метод дешифрирования аэроснимков на основе признакового пространства / А.И. Тимочко, С.А. Олизаренко, О.Ю. Лавров // Системи обробки інформації, 2015. – Вип. 1 (126). – С. 84–87.
6. Самойленко О.В. Перспективи розвитку наземних комплексів приймання та цифрової обробки матеріалів повітряної розвідки Збройних Сил України / О.В Самойленко, С.О. Пономаренко, М.О. Ладик // Збірник наукових праць Державного науково-дослідного інституту авіації, 2016. – Вип. № 12 (19). – С. 115–120.
7. Попов М.О. Видова космічна розвідка в локальних військових конфліктах / М.О. Попов, М.В. Топольницький, В.О. Подліпаєв // Наука і оборона, 2015. – № 1. – С. 25–35.
8. Шитова О.В. Комплексное дешифрирование изображений аэрофоторазведки цифровыми методами / О.В. Шитова // Наука і техніка Повітряних Сил Збройних Сил України, 2014. – №. 1. – С. 78–82.
9. Гонсалес Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. Москва: Техносфера, 2005. – 1072 с.
10. Красильников Н.Н. Цифровая обработка 2D- и 3D-изображений: Учебное пособие / Н.Н. Красильников // Санкт-Петербург: БХВ – Петербург, 2011. – 608 с.
11. Колючкин В.Я. Алгоритмы обработки изображения в системах машинного зрения роботизированных производственных линий / В.Я. Колючкин, К.М. Нгуен, Т.Х. Чан // Нейрокомпьютеры: разработка, применение, 2014. – № 3. – С. 44–51.
12. Wang Y.S. A New Image Threshold Segmentation based on Fuzzy Entropy and Improved Intelligent Optimization Algorithm / Y.S. Wang // Journal of Multimedia, 2014. – Vol. 9. – № 4. – P. 499–505.
13. Faroogue M.Y. Latest trends on image segmentation schemes / M.Y.Faroogue, M.S.Raeen // International journal of advanced research in computer science and software engineering, 2014. – Vol. 4. – № 10. – P. 792–795.
14. Choudhary R. Recent trends and techniques in image enhancement using differential evolution – a survey / R.Choudhary., R.Gupta // International journal of advanced research in computer science and software engineering, 2017. – Vol. 7. – № 4. – P. 106–112.
15. Sarmah S. A grid-density based technique for finding clusters in satellite image / S.Sarmah, D.K.Bhattacharyya // Pattern Recognition Letters, 2012. – Vol. 33. – No. 5. – P. 589–604.
16. Hu X. Automatic segmentation of high-resolution satellite imagery by integrating texture, intensity, and color features / X.Hu, C.V.Tao, B.Prenzel // Photogrammetric Engineering & Remote Sensing, 2005. – Vol. 71. – No. 12. – P. 1399–1406.
17. Wang A. Segmentation of multispectral high-resolution satellite imagery based on integrated feature distributions / A.Wang, S.Wang, A.Lucieer // International Journal of Remote Sensing, 2010. – Vol. 31. – No. 6. – P. 1471–1483.
18. Wuest B. Region Based Segmentation of Quickbird Imagery Through Fuzzy Integration / B.Wuest, Y.Zhang // Proc. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences (IAPRS), 2008. – Vol. 37, part B7. – P. 491–496.
19. Hu Z. A spatially-constrained color–texture model for hierarchical VHR image segmentation / Z.Hu, Z.Wu, Q.Zhang, Q.Fan, J.Xu // Geoscience and Remote Sensing Letters, IEEE, 2013. – Vol. 10. – No. 1. – P. 120–124.
20. Yuan J. Remote sensing image segmentation by combining spectral and texture features / J.Yuan, D.L.Wang, R.Li // IEEE Transactions on Geoscience and Remote Sensing, 2014. – Vol. 52. – No. 1. – P. 16–24.
21. Senturk, S. Unsupervised classification of vineyard parcels using SPOT5 images by utilizing spectral and textural features / S.Senturk, K.Taşdemir, S.Kaya, E.Sertel // Proc. 2nd International Conference on Agro-Geoinformatics. – IEEE, 2013. – P. 61–65.
22. Рубан І.В. Інформаційна технологія сегментування зображень, отриманих з бортових систем оптико-електронного спостереження / І.В. Рубан., В.Г. Худов, В.О. Подліпаєв // Системи озброєння та військова техніка, 2017. – № 2 (50). – С. 110–113.
23. Хижняк І.А. Сегментування зображення, що отримано з бортової системи оптико-електронного спостереження, ройовим методом / І.А. Хижняк // Системи озброєння та військова техніка, 2017. – № 2 (50). – С. 140–143.
24. Аналіз відомих методів сегментування зображень, що отримані з бортових систем оптико-електронного спостереження / В.Г. Худов, Г.А. Кучук, О.М. Маковейчук, А.В. Крижний // Системи обробки інформації. – 2016. – Вип. 9. – С. 77-80.
25. Метод ройового інтелекту (штучної бджолиної колонії (АВС)) тематичного сегментування оптико-електронного зображення / І.А. Хижняк, О.М. Маковейчук, Р.Г. Худов, В.О. Подліпаєв, Г.В. Горбань, Г.В. Худов // Системи управління, навігації та зв’язку, 2018. – Вип. 2 (48). – С. 91–96.
26. IKONOS Satellite Image Gallery (Archived) [Електронний ресурс]. – Режим доступу до зображень сайту: http://www.satimagingcorp.com/gallery/ikonos.
Опубліковано
2018-07-03
Як цитувати
Khizhnyak I. Інформаційна ройова технологія тематичного сегментування зображень, що отримані з бортових систем оптико-електронного спостереження / I. Khizhnyak, A. Makoveychuk, H. Khudov // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2018. – Т. 3 (49). – С. 26-32. – doi:https://doi.org/10.26906/SUNZ.2018.3.026.
Розділ
Дистанційне зондування землі
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
